Modelamiento de radiación solar a partir de variables meteorológicas mediante la transformada de wavelet y redes neuronales artificiales recurrentes

Abstract

El estudio de la radiación solar ha sido un tema de gran importancia e interés a lo largo de los años; sin embargo, su comportamiento al igual que de otras variables meteorológicas han implicado cierto nivel de dificultad por la gran fluctuación de los datos. Existen diversas técnicas que proponen el modelamiento y predicción de radiación solar y de otras variables meteorológicas, en muchos de los casos se supone naturaleza lineal de la información o se emplea modelos ajenos a la zona local, lo cual induce a que los resultados no brinden veracidad y permanezcan alejados de la realidad. El proyecto de investigación analizó las series de tiempo de las variables: dirección del viento, humedad del aire, humedad del suelo, precipitación, radiación solar, temperatura del aire y velocidad del viento, de las estaciones Miranda, El Carmen, Chumillos, Puntas e Itulcachi, las cuales pertenecen al Fondo de Protección del Agua (FONAG). Se creó las series de tiempo de las diferentes variables y estaciones en función de las horas de mayor incidencia de radiación (10H00, 12H00, 14H00 y 16H00 - hora local) por un periodo de 4 años y seis meses con datos diarios. Se realizó el relleno de datos de las series de tiempo mediante la técnica Holt-Winters en el software R Studio. Se aplicó la transformada de wavelet familia Daubechies 4 nivel de discretización 3 con el fin de eliminar el ruido presente en las series temporales de la radiación solar en el software MatLab. Se entrenó las redes neuronales artificiales recurrentes empleando como variables de entrada las variables meteorológicas y como variable de salida específicamente la radiación solar. Se analizó el correcto entrenamiento de las redes y se procedió a la predicción de la radiación solar. Finalmente se validó la predicción mediante el coeficiente de determinación como criterio estadístico.